3-1첫학기 프라임칼리지 수업 정리

수강 과목

• 수강 학점: 전공 18학점

No.	교과목	분반	학점	이수구분	교수명
1	데이터공학	01	3	전공	민경하
2	머신러닝응용	01	3	전공	김동하
3	선형대수	01	3	전공	유찬우
4	컴퓨터C프로그래밍	01	3	전공	조경운
5	클라우드컴퓨팅	01	3	전공	정재화
6	파이썬과R을이용한데이터분석	01	3	전공	유찬우

데이터 공학

• 강사: 민경하 교수님
• 교제: 워크북(강의실-자료실)
• 학년: 4
• 학점: 3
• 개설학부: AI 전공

교육 목표

❏ 데이터 공학의 기본 개념과 데이터 선택, 생성, 저장, 정제 등 다양한 기법 을 학습한다.

❏ 데이터를 이용해서 기계 학습의 여러 기법을 적용해서 적절한 분석을 수행 하는 기법을 학습하고 그 과정을 실습한다.

❏ 선수 지식 : 확률 및 통계, 파이썬 프로그래밍 (필수는 아님)

교육 내용 및 운영 일정

차시	주제	교육 내용	담당교수
1	데이터 공학 소개	데이터 공학의 기본 개념과 응용 분야를 학습한다.	민경하
2	데이터의 개념	데이터 공학에서 사용하는 데이터의 개념을 정립한다.	민경하
3	데이터 공학의 lifecycle	데이터 공학의 여러 단계들로 구성된 lifecycle의 개념 을 학습한다.	민경하
4	Data architecture 설계	데이터 공학의 기본 구조인 data architecture를 설계 하는 기법을 학습한다.	민경하
5	데이터 선택	다양한 데이터들 중에서 필요한 데이터를 선택하는 기술을 학습한다.	민경하
6	데이터 생성	필요한 응용 분야에 적합한 데이터를 생성하는 기법 을 학습한다.	민경하
7	데이터 저장	데이터를 효율적으로 저장하고 관리하는 구조를 학습한다.	민경하
8	데이터 정제	수집된 데이터를 가공해서 응용 분야에 맞는 데이터 를 도출하는 정제 과정을 학습한다.	민경하
9	Query	데이터에서 필요한 정보를 추출하는 query의 개념을 학습한다.	민경하
10	보안	데이터 보안에 관한 다양한 이슈를 학습한다.	민경하
11	데이터 분석의 예 (기계	기계 학습을 이용한 데이터 분석 방법론을 학습한다.	민경하
12	지도 학습 기반한 데이 터 분석	지도 학습에 기반한 데이터 분석 방법을 학습한다.	민경하
13	비지도 학습에 기반한 데이터 분석	비지도 학습에 기반한 데이터 분석 방법을 학습한다.	민경하
14	시계열 데이터 분석	시계열 데이터를 처리하고 분석하는 방법을 학습한다.	민경하
15	데이터 분석의 미래	데이터 분석 기술의 전망과 앞으로의 기술의 흐름을 학습한다.	민경하

평가 및 이수 기준

평가영역	평가유형	평가비율 (배점)	성적반영율	평가방식
출석	온라인강의출석	30	100	- 1~7주차 강의는 중간시험 전까지, 8~15주차 강의는 기말시험 전까지 수강 시 정상 출석 인정 (강의 수강 기간 이후에 수강을 완료(75%이상 수강)한 주차별 강의는 50% 인정) - 출석미달 : 출석률 75% 미만 시 자동으로 F 처리
시험	⍌ 중간 ⍌기말 수시	70	50 50 -	- 시험방법 : 온라인 시험 - 문제유형 : 객관식 및 주관식
수업 참여도	수업 참여도	0	-
기타	실험.실습 등	0	-
계		100	각 평가영역별 100%	출석률 75% 미만이거나 합계 점수가 60점 미만 시 F처리

머신러닝 응용

• 강사: 김동하 교수님
• 교재: 워크북(강의실-자료실 참고)
• 학년: 3
• 학점: 3
• 개설학부: AI전공

  교육 목표

❏ Python 프로그램을 이용해 딥러닝을 포함한 다양한 머신러닝 알고리즘의 구현 에 대해 배운다.

❏ 다양한 사례를 통해 실제 문제에 이를 응용할 수 있는 능력을 배양한다.

❏ 선수지식 : 통계학개론, 확률의 이해, 선형대수, 머신러닝.

교육 내용 및 운영 일정

차시	주제	교육내용	담당교수
1	Data handling with Python	Python 프로그램 내 numpy, pandas, matplotlib 모듈에 대해 소개	김동하
2	Basic Methods for Regression 1.	Linear regression, 잔차분석에 대해 실 습	김동하
3	Basic Methods for Regression 2.	Regulariztion methods (Ridge, Lasso 등)에 대해 실습	김동하
4	Basic Methods for Classification	Logistic regression에 대해 실습	김동하
5	Discriminant Analysis	선형판별분석, 이차판별분석에 대해 실 습	김동하
6	K-NN & Naive Bayes	K-NN 모형과 Naive Bayes 분류기에 대 해 실습	김동하
7	Principal component analysis	Principal component analysis (PCA)에 대해 실습	김동하
8	Clustering analysis	계층적 군집분석, 비계층적 군집분석 방 법론들에 대해 실습	김동하
9	Decision tree	의사결정나무의 성장, 정지, 가지치기 등에 대해 실습	김동하
10	Ensemble learning 1.	Bagging, Random forest에 대해 실습	김동하
11	Ensemble learning 2.	Boosting에 대해 실습	김동하
12	Support vector machine	선형 SVM, 비선형 SVM에 대해 실습	김동하
13	Association rule analysis	연관규칙분석에 대해 실습	김동하
14	Deep learning 1.	Deep neural network를 이용한 분류모 형 실습	김동하
15	Deep learning 2.	Generative adversarial network를 이용 한 생성모형 실습	김동하

평가 및 이수 수준

• 강사: 유찬우 교수님
• 교재: 시중교재(알기쉬운 선형대수 12판, 한티에듀), 강의자료(자료실)

| 평가영역 | 평가유형 | 평가비율 (배점) | 성적반영율 | 평가방식 | | —- | ——— | ——— | ———— | ——————————————————————————————————————————————— | | 출석 | 온라인강의출석 | 20 | 100 | - 1~7주차 강의는 중간시험 전까지, 8~15주차 강의는 기말시험 전까지 수강 시 정상 출석 인정 (강의 수강 기간 이후에 수강을 완료(75%이상

수강)한 주차별 강의는 50% 인정)
- 출석미달: 출석률75%미만시자동으로F 처리 | | 시험 | 중간
기말 | 80 | 50
50 | - 시험방법 : 온라인 시험
- 문제유형: 객관식및주관식 | | 계 | | 100 | 각 평가영역별 100% | 출석률 75% 미만이거나 합계 점수가 60점 미만 시 F처리 |

선형대수

• 강사: 유찬우 교수님
• 교재: 시중교재(알기쉬운 선형대수 12판, 한티에듀), 강의자료(자료실)
• 학년: 2
• 학점: 3
• 개설 학부: AI전공

교육 목표

❏ 머신러닝에 필요한 선형대수의 기본적인 개념들을 학습

• 선수지식: 대학기초수학, 대학수학.

교육 내용 및 운영 일정

차시	주제	교육 내용	담당교수
1	연립일차방정식	연립일차방정식의 소개, 가우스 소거법	유찬우
2	행렬 연산	행렬과 행렬연산, 역행렬	유찬우
3	역행렬의 계산	역행렬의 계산, 연립방정식과 역행렬, 여러 가지 행렬	유찬우
4	선형변환, 행렬식	선형변환, 행렬식	유찬우
5	유클리드 벡터공간	n차원 공간의 벡터, 벡터의 길이, 직교성, 선형계의 기하학	유찬우
6	일반벡터공간	벡터공간, 부분공간, 생성집합, 선형독립, 좌표와 기저, 차원, 기저의 변경	유찬우
7	랭크	행렬공간, 랭크	유찬우
8	고유벡터	고유벡터, 대각화	유찬우
9	내적	내적, 내적공간에서의 각도, 그램-슈미트 프로세스	유찬우
10	대각화와 이차형식	직교행렬, 직교대각화, 이차형식	유찬우
11	복소행렬	복소벡터공간, 복소행렬의 대각화	유찬우
12	행렬 분해	고유값 분해, LU-분해, 극분해	유찬우
13	특이값 분해	특이값 분해, 축소된 특이값 분해	유찬우
14	선형대수의 응용 I	행렬 미분, 공분산 행렬, 주성분 분석	유찬우
15	선형대수의 응용 II	선형 회귀, 최소제곱, 의사역행렬, 최소제곱과 QR 분해	유찬우

평가 및 이수 기준

평가영역	평가유형	평가비율 (배점)	성적반영율	평가방식
출석	온라인강의출석	40	100	- 1~7주차 강의는 중간시험 전까지, 8~15 주차 강의는 기말시험 전까지 수강 시 정 상 출석 인정 (강의 수강 기간 이후에 수강을 완료 (75%이상 수강)한 주차별 강의는 50% 인정) - 출석미달: 출석률75%미만시자동으로 F 처리
시험	■ 중간 ■ 기말 □수시	60	50 50	- 시험방법 : 온라인 시험
계		100	각 평가영역별 100%	출석률 75% 미만이거나 합계 점수가 60점 미만 시 F처리

컴퓨터 C 프로그래밍

• 강사: 조경운 교수님
• 교재: 워크북: 자료실 참고
• 학년: 1
• 학점: 3
• 개설 학부: 첨단공학부

교육 목표

❏ C언어의 기본 개념 및 프로그래밍에 대한 이해

❏ 프로그램 작성과 실행을 통해 실질적인 프로그래밍 방법을 습득

❏ 주어진 문제를 체계적으로 해결하는 공학적 사고능력의 함양

교육 내용 및 운영 일정

차시	주제	교육 내용	담당교수
1	프로그래밍 개요	·C 프로그래밍 개요 ·개발환경 설치 및 실행	강환수
2	프로그램의 기본구조 와 입출력	·프로그램의 기본 ·입출력과 오류처리	강환수
3	자료형과 연산자	·기본 자료형 ·연산자	강환수
4	조건문	·제어문 ·선택문	강환수
5	반복문	·제어문 ·while문	강환수
6	중첩 반복문	·중첩 for문 ·다양한 제어문	강환수
7	배열	·배열의 개념 ·배열과 반복문	강환수
8	요약 및 정리	·1-7강 정리	강환수
9	배열의 활용	·배열의 활용 ·다차원 배열	강환수
10	함수	·사용자 정의 함수 ·라이브러리 함수	강환수
11	함수의 활용	·배열과 함수 ·지역변수와 전역변수	강환수
12	포인터 기초	·포인터의 개념 ·포인터와 함수	강환수
13	포인터 활용	·포인터와 배열 ·문자열 처리	강환수
14	구조체	·구조체 기초 ·구조체 활용	강환수
15	요약 및 정리	·9-14강 정리	강환수

평가 및 이수 기준

영역	유형	평가비율 (배점)	성적반영율	평가방식
출석	온라인강의출석	20	100	- 1~7주차 강의는 중간시험 전까지, 8~15주차 강의는 기말시험 전까지 수강 시 정상 출석 인정 (강의 수강 기간 이후에 수강을 완료(75%이상 수강) 한 주차별 강의는 50% 인정) - 출석미달 : 출석률 75% 미만 시 자동으로 F 처리
과제	■ 수시1 ■ 수시2	10 20	33 67	- 온라인과제물: 수시과제(2회) - 문제유형 : 논술형
시험	■ 중간 ■ 기말	20 30	40 60	- 시험방법 : 온라인 시험 - 문제유형 : 객관식 20문항(예정)
수업 참여도	수업 참여도			-게시글, 댓글등으로 평가함.
계		100	각 평가영역별 100%	출석률 75% 미만이거나 합계 점수가 60점 미만 시 F처리

클라우드컴퓨팅

• 강사: 정재화 교수님
• 교재: 클라우드컴퓨팅(방송대 출판문화원, 정재화, 이대원 지음, 2023)
• 학년: 3학년
• 학점: 3
• 개설학부: AI전공

교육 목표

❏ 서버 가상화, 분산 처리, 서비스 프로비저닝 및 멀티 테넌시 기술 등 클라우드 컴 퓨팅에 필요한 이론 및 기술에 대하여 다루고 클라우드 서비스화를 위한 서비스 모델, 배포 모델, 아키텍처 및 보안과 프라이버시에 대하여 학습한다.

❏ 또한 Microsoft의 Azure 클라우드 서비스를 사용하여 쇼핑몰 사이트, 머신러닝, 메일링 서비스를 구현해 봄으로서 실무적 감각을 위한 기초를 마련한다.

❏ 자료구조, 운영체제, 네트워크 및 데이터베이스 시스템 관련 과목에 대한 기본 개 념을 이미 알고 있는 것을 전제로 한다.

교육 내용 및 운영 일정

차시	주제	교육내용	담당교수
1	클라우드 컴퓨팅의 이해	- 클라우드 컴퓨팅의 개념 및 정의 - 컴퓨팅 기술 발전의 역사 - 클라우드 컴퓨팅의 등장 배경 - [실습] MS 계정 및 Azure 구독 발급	정재화
2	온프레미스와 클라우드	- 온프레미스 시스템 구성 및 구축 과정 - 클라우드 기반 시스템 구축 - 클라우드 컴퓨팅 이용 방식 - MS Azure 서비스의 종류, 학습 방법, 자격증 소개	정재화
3	클라우드 컴퓨팅의 특징	- 클라우드 컴퓨팅의 장점 및 도입효과 - 클라우드 컴퓨팅 관련 기술 - 클라우드 컴퓨팅의 단점 - 클라우드 컴퓨팅 적용 사례 - [실습] 구독 및 비용 관리	정재화
4	클라우드 컴퓨팅 서비스	- 클라우드 컴퓨팅의 특징 - (실습) 가상 머신 생성 및 관리	정재화
5	클라우드 이용 모델	- 클라우드 서비스 모델 - 클라우드 배포 모델	정재화
6	클라우드 컴퓨팅 기술 1	- 클라우드 컴퓨팅 기술의 구성 -가상화기술의이해 -서버가상화 - [실습] 키 자격 모음 만들기 - [실습] PostgreSQL 서버 관리	정재화
7	클라우드 컴퓨팅 기술 2	- 네트워크 가상화 - [실습] 쇼핑몰 페이지 생성	정재화
8	연습문제 풀이 1		정재화
9	클라우드 컴퓨팅 기술 3	- 스토리지 기술 및 다중화 - 클라우드 서비스 무정지 기술 - [실습] Blob Storage 생성	정재화
10	클라우드 아키텍처 1	- 클라우드 아키텍처의 이해 - 리소스 풀링 - 로드 밸런싱 - [실습] 이미지 관리	정재화
11	클라우드 아키텍처 2	- 클라우드 버스팅 - 무중단 서비스 재배치 - [실습] 로드 밸런싱	정재화
12	클라우드 컴퓨팅의 미래	- 포그 - 엣지 - 클라우드 보안 - [실습] 오토 스케일링	정재화
13	클라우드 기반 데이터 분석	- [실습] 클라우드 기반 데이터 분석	정재화
14	일기 예보 전송 서비스 구현	- [실습] 일기 예보 전송 서비스 구현	정재화
15	연습문제 풀이 2		정재화

평가 및 이수 기준

평가영역	평가유형	평가비율 (배점)	성적반영율	평가방식
출석	온라인강의출석	20	100	- 1~8주차 강의는 중간과제물 전까지, 9~15 주차 강의는 기말시험 전까지 수강 시 정상 출 석 인정 (강의 수강 기간 이후에 수강을 완료(75%이 상 수강)한 주차별 강의는 50% 인정) - 출석미달: 출석률75%미만시자동으로F 처리
과제	중간 기말 수시	30	100 - -	- 시험방법 : 온라인 과제물 -문제유형: 별도공지예정
시험	중간 기말 수시	50	- 100 -	- 시험방법 : 온라인 시험 - 문제유형: 객관식및주관식출제
기타	실험.실습 등	0	-
계		100	각 평가영역별 100%	출석률 75% 미만이거나 합계 점수가 60점 미만 시 F처리

파이썬과 R을 이용한 데이터분석

• 강사: 유찬우 교수님
• 교재: 파이썬과R(방송대교재) : 출판문화원
• 학년: 2
• 학점: 3
• 개설학부: AI전공 https://press.knou.ac.kr/index.do

교육 목표

❏ R을 기반으로 한 내용을 파이썬에서 어떻게 구현하는지 비교, 소개를 통한 언어적 이해의 확장.

❏ 데이터과학에 대한 사고능력 함양.

❏ 선수지식: 통계학개론

교육 내용 및 운영 일정

차시	주제	교육 내용	담당교수
1	파이썬과 R의 설치와 구동	·R과 파이썬의 설치	김성수
2	파이썬과 R 기본사용법	·간단한 계산기 ·변수의 이름 ·명령어 파일 ·주 석 ·자료의 종류 ·패키지의 사용 ·결측치와 무한대 ·날짜 및 시간	김성수
3	파이썬 기초		김성수
4	파이썬과 R 배열, 리스트, 데이 터프레임	·벡터와 행렬 ·데이터프레임 ·행렬과 벡터의 연산	김성수
5	파이썬과 R 구조적 프로그래밍	·조건문 ·반복문 ·반복문에서 중간에 나오기 ·함수의 작성 ·파이썬의 객체지향성	김성수
6	파이썬과 R을 이용한 자료입력 및 출력	·명령어 줄 입력받기 ·텍스트 자료 입출력 ·텍스트 파일 쓰기 ·엑셀 파일 다루기 ·문자열	김성수
7	파이썬 정리 및 보충	·1~6강 정리	김성수
8	파이썬 판다스와 R dplyr (1)	·파이썬 pandas 패키지	김성수
9	파이썬 판다스와 R dplyr (2)	·R의 tibble과 dplyr 패키지	김성수
10	파이썬과 R 그래픽 라이브러리	·파이썬의 matplotlib 패키지 ·파이썬의 seaborn 패키지 ·R의 ggplot2 패키지	김성수
11	기술통계(1) - R	·기술통계 ·그룹별 기술통계	김성수
12	기술통계(2) - Python	·줄기-잎 그림, 상자그림, 히스토그램 ·빈도표 및 분할표	김성수
13	모집단 평균 검정	·단일표본에서 모평균에 대한 검정 ·두 독립표본에서 평균 검정 ·짝지어진 표본에서 평균 검정	김성수
14	회귀분석	·상관분석 ·회귀분석	김성수
15	분산분석	·일원 분산분석 ·이원 분산분석	김성수

평가 및 이수 기준

	유형	평가비율 (배점)	성적반영율	평가방식
출석	온라인강의출석	40	100	- 1~7주차 강의는 중간시험 전까지, 8~15주차 강의는 기말시험 전까지 수강 시 정상 출석 인정 (강의 수강 기간 이후에 수강을 완료(75%이상 수강) 한 주차별 강의는 50% 인정) - 출석미달 : 출석률 75% 미만 시 자동으로 F 처리
시험	■ 중간 ■ 기말 □수시	60	50 50	- 시험방법 : 온라인 시험
계		100	각 평가영역별 100%	출석률 75% 미만이거나 합계 점수가 60점 미만 시 F처리